通过使用基于AI的网络集成网络的多omics通过免疫和炎症解决途径

科学领域:

• 免疫学 免疫学 免疫学
• 系统生物学 系统生物学
• 基因组学就是基因组学.
• 代谢学 代谢学 代谢学
• 格莱科米克斯 (Glycomics) 是一个有趣的药物.

背景情况:

• 由于数据异质性,高维度和缺失的值,多主题数据集成具有挑战性.
• 了解免疫调节和炎症解决需要整合不同的分子配置文件.
• 现有的方法很难有效地建模复杂的经济间关系.

研究的目的:

• 提出和验证基于人工智能的网络集成方法,用于多omics数据.
• 调查免疫球蛋白GN甘氨酸 (甘氨酸) 和免疫和炎症通路中的专业的亲溶解脂质介质 (SPM) 之间的关系.
• 确定影响免疫调节的分子因果网络和桥梁分子.

主要方法:

• 跨截面的多组学研究 (遗传,糖组,脂组数据).
• 以人工智能为基础的网络集成,用于建模互联互通连接.
• 双向关联分析和条件分析.
• 主要组件分析 (PCA) 用于多基因因子导出.
• 颗粒度定向环形图 (G-DAG) 算法用于孟德尔随机化.

主要成果:

• 基于人工智能的网络集成成功模拟了奥米克层的复杂生物系统影响.
• 确定了10个显著的甘-SPM关联,其中两个桥梁分子 (5-HEPE SPM和GP21甘) 调解这些链接.
• 发现5-HEPE和GP21都处于多基因控制之下,分别有不同的接收器和广播器角色.
• 揭示了SPM脂管学变异和糖化变化之间的生物联系.

结论:

• 基于人工智能的网络集成方法从杂的多omics数据中提供可解释和生物学上有意义的见解.
• 研究结果表明,脂质调解剂与甘氨酸介导的免疫调节和炎症解决之间存在新的联系.
• 这项研究强调了整合遗传,糖质和脂质组数据的实用性,以揭示复杂的生物途径.